下载客户端

市政厅|春运迁徙地图哪家更强：基于数据视角的点评

李栋

2015-04-16 16:48

来源：澎湃新闻

∙ 市政厅 >

数据是中性的，没有好坏善恶。同样的数据，既可能回答问题，也可能产生误导——不幸的是，现实中似乎后者更多见。在大数据浪潮中，若不仔细辨别，很容易被呛到。我们需要多一些冷思考。

几家迁徙地图，格局不同？

2014年初第一次上线的百度迁徙，是利用移动端定位技术，即时展现春运期间中国人出行的大数据可视化项目。创新、交互表现的形式，引发社会各界巨大关注，多次登上电视、报纸、网络等主流媒体，成功火了一把。

2015年春节，各大互联网公司纷纷出示自家的迁徙地图，或对原有地图升级。百度、腾讯、360……这些描摹着一年一度的全球最大规模周期性人群迁徙的地图，持续吸引着关注。

但在华丽的动画之下，让人纠结的是，几家迁徙展现的格局有明显差异。

笔者以自己熟悉的昆明为例，随机选取了一个时段，发现在百度和腾讯两家的迁徙地图中，出入昆明的前10位城市名单很不一样。春节前后，笔者也查阅了很多相关报道，也许因为技术门槛，大部分评论，都是基于片段的、图面上的直观观察，未见对核心数据的评判。

同一时刻，以昆明为例，百度和腾讯两家迁徙地图的对比（上为百度，下为腾讯）

迁徙数据是否可以用于严肃的科学研究？哪家迁徙数据更可靠？带着这样的问题，笔者从百度和腾讯两家迁徙项目网页上持续采集了所发布的数据，转换到一个尽量相同的口径下进行比较，试图从全量的角度来回答这些疑问。

初步认识

笔者重点对比的是百度“百度迁徙”[引用1]和腾讯“全国城市人群迁徙分析”（下称“腾讯迁徙”）[引用2]。虽然360“中国人返乡地图”（下称“360迁徙”）[引用3]基于其抢票工具的统计，推出了很有特点的铁路春运运输情况，但360对人群迁徙的刻画仅到省级层面，与百度和腾讯两家下探到地市级有非常大的不同，故暂不纳入比较。

具体来看，百度迁徙提供了4项功能：人口迁徙、实时航班、机场热度、火车站热度。

其中，“人口迁徙”即一段时间内用户在两两城市间出行的数量（下称“OD量”。OD：Origin-Destination的简称，也即出行起止点。本文中表示用户从一个地区迁徙到另一个地区而形成的联系。基于OD的出行量调查和统计，是交通研究中重要的基础资料）。

“实时航班”是飞机在空中的位置。“机场热度”和“火车站热度”表达的是该场站点位上的聚集程度（即该场站当时有多少人）。

腾讯迁徙也给出了两两城市之间的OD量，同时还直接注明了其中汽车、火车和飞机所占比重。

以笔者所知，目前通过用户出行行为（如移动速度、起止时间、起止点等信息）来判别出行方式，存在一定误差。百度迁徙表达交通场站热度的方式较严谨，但不能直接回答用户出行方式的问题，腾讯迁徙直观给出了出行方式比重，但准确性尚待检验。

时间粒度方面，两家均给出了出入每个城市的前10组OD量，但百度是以小时为单位进行统计，腾讯是按天统计。作为出行研究中的重要参数，统计时段的设置在此类大规模持续性观测情景下，显得异常重要。这也成为两家数据无法直观对比的主要障碍。

网络覆盖方面，可以看到一个典型的长尾系统，也即少数人口大市之间的出行占据了全国总量大部分。在这一点上两家是一致的。百度迁徙在提供每城市前10组OD外，还给出了按量排序的全国前4000组OD，丰富了数据，能更全面地表达整体格局。大致统计可发现，前10组口径下的出行量，约占前4000组口径的83%、全国总量的64%。总体来看，依靠每城市前10组OD来研究全国整体的出行格局基本可行，但若想深入局部探讨具体城市或区域，依然会显得会有些力不从心。

回到客观对比两家数据这一出发点，笔者尽量按照对等原则进行处理，具体方式如下：

1.时段可比：两家均截取2015年2月9日至2015年3月12日的数据，也即从除夕前1周至元宵节后1周共32天；

2.时间粒度可比：将百度逐时OD量加和后，转化为逐日OD量；

3.空间粒度可比：两家均统一为365个地市级统计单元；

4.OD矩阵网络可比：百度换算为逐日OD量后，取每个城市最大的前10组参与比较（不足10组者从全国前4000组中提取补充），将两家均统一为逐日365 X 10的OD矩阵。

需要说明的是，由于缺乏计量单位的具体信息，严格来说，不能直接比较两家数值的大小。因此接下来的讨论主要集中在数据趋势、结构等方面的差异上。

时间趋势的比较

从迁入迁出量和汇总量的时间趋势看，百度迁徙每日变化相对平稳，但迁入迁出两个序列在走势上存在明显差异。腾讯迁徙在收假前一天2月24日（正月初六）出现了可疑的突变，但迁入迁出两个序列的相似程度较高。由于在给定时间间隔里迁入与迁出仅只是交换了起止点，趋势形态上应该是接近的，因此初步判断，百度迁徙统计方式上的问题更为突出。

百度逐日迁入量、迁出量和总出行量变化趋势

腾讯逐日迁入量、迁出量和总出行量变化趋势

由于官方并没有公布全国每日出行量的具体数值，因此难以评判两家数据谁更能反映真实情况，只能从一些相关报道中尝试寻找蛛丝马迹：

“（2015年春运）全国旅客发送量（预计）将达到28.07亿人次，其中道路约24.2亿人次、铁路约2.95亿人次、水运约4430万人次、民航约4750万人次。”[引用4]

“（2015年春运）据民航局统计，全国民航共运送旅客4915万人，……，2月24日运送旅客142万人，创历年春运单日旅客运输量新高。”[引用5]

“2月23日、24日，民航单日运送旅客均超过135万人次，创历年春节假日运输新高。” [引用6]

“（2015年春运）全国铁路累计发送旅客2.95亿人次，……，2月24日，全国铁路春运旅客发送量达946.8万人次，创历年春运单日客流新纪录。”[引用7]

由上述新闻，可获知以下几点客观信息：首先，收假前一天的2月24日，确是铁路民航发送旅客的高峰，超出日均水平约15～30%；其次，从民航来看2月24日并不是一个突变，23日的发送量同样较大；最后，与总量相比，铁路民航合计也仅占约12%，约86%的绝大部分出行还是依赖公路完成。

百度迁徙的出行总量整体呈现波动下降，峰值是春节前的2月15日（腊月二十七），其次是2月25日（正月初七），然后才是2月24日（正月初六），与官方报道透露的特征出入较大。腾讯迁徙方面，2月24日虽准确呈现了峰值，但增幅较大，超出日均水平约175%，增长有些过于突然。

当然，还有一种可能的解释是，由于占大头的公路出行变化很“任性”，才使两家迁徙序列的趋势与官方报道产生了较大差异。

空间格局的比较

测算两个网络的相似性，有很多方法，如比较中心性、关键节点位置、次级网络等等。这些都超出了本文讨论的范畴。鉴于此，笔者分别将两家迁徙春节前后32天的迁入迁出量加和，用相同的方法对数据分级简化（自然断点法），对分级后的累积出行格局，采取描述性的方式比较。

从累积格局看，两家迁徙依然存在较明显的区别。腾讯迁徙中，可以很明显地观察到覆盖中国中东部的“钻石结构”；而在百度迁徙中，则表现为北上广成渝周边的热点区域，并不能看出“钻石结构”。

“钻石结构”是指，由北京、上海、广州、成渝这几个全国层面发展核心区，在空间上所围合的菱形。它构成了当前中国城镇体系的一个典型形态特征。“钻石结构”中人口、货物、信息的流动，也构成了整个国家流动网络的主体。这个形态特征，在许多文献和研究里，已被大量传统数据（航班、车次等）和新兴数据（LBS、微博等）交叉验证。因此，从空间格局表达的效果来看，百度迁徙也存在不足。

百度迁徙的累积格局

腾讯迁徙的累积格局

由于缺乏说明文档，笔者仅能做出初步推断，这个问题很可能是由于统计时长设置所导致的。百度发布了每个小时的数据，乍看似乎更加精细，但由于春运期间用户出行耗时往往超过1小时，每小时一次的统计方式，实际“切断”了许多尚未结束的出行过程，虚增了大量尚在半途中的OD点，其结果将直接导致短途出行数量增加，而在北上广等出行量较大的地区，这一影响会尤为明显。再看长途出行，如出入乌鲁木齐、京广、京沪等典型的热点OD对，在百度迁徙中的等级远低于腾讯，有的甚至微弱到无法观察。反观腾讯每天一次的统计方式，虽然发布的数据量少，但理论上可完整捕获到用户大部分长、短途出行行为。考虑到春运的背景，笔者认为腾讯的设置显得更加合理。

结语：一点期待

基于数据事实，本文从时空特征的角度，初步对比了2015年百度和腾讯两家春运迁徙的差异。应该说，目前两家公布的数据，在可用性上互有长短，若要全面完整反映春运出行情况，都无法获得满分。对百度迁徙来说，虽然其发布的数据规模和密度远超腾讯，可惜统计方法存在偏差，使结果与现实出入较大，造成了无法克服的缺憾——主要表现在长途出行的缺失和短途出行的虚增两方面。可惜，一般用户浏览时查看的都只是当时截面情况，无法分辨出其中差异，各类主流媒体的大量引用和背书，则进一步扩大了这种误导的影响。

要说明的是，写作本文的出发点，并非想批评哪家迁徙做得不好，恰恰相反，作为一名关心区域和城市发展的规划师，笔者非常感激这些新兴企业运用数据的社会责任意识和大胆尝试。他们掌握的数据源于用户，在去掉隐私和商业信息后，完全能以一种恰当形式回馈社会，扩展传统统计资料的不足。这对区域发展、城镇化、产业转型、消费升级、公众参与等众多社会问题，都具有前所未有的重要参考意义。对百度、腾讯这样的企业而言，原料早已齐备，需要只是一种更加开放和发展的心态，与政、研、学界的现实问题和需求进行对接。

最后，笔者倡议，建立一套基于互联网用户数据的全国人口迁徙观测开放标准，各大互联网公司、运营商等企业可据此持续、定期发布自家结果，形成完整序列，催化和提升大数据应用的社会价值。从人口流动和城镇化研究的角度出发，笔者也抛砖引玉，提出几项基本指标，作为讨论基础，希望得到各方进一步的参与和完善（下表）。